# Lac de données, lakehouse et entrepôt cloud Informatique de gestion · Master 1 > Situer entrepôt, lac et lakehouse : formats colonnes, séparation stockage-calcul. ## Introduction L'entrepôt classique stocke des données structurées et modélisées à l'avance. Le lac de données conserve des données brutes de toutes formes, structurées ou non, à bas coût sur du stockage objet. Le lakehouse tente de combiner les deux : fiabilité transactionnelle d'un entrepôt et ouverture d'un lac. Les entrepôts cloud séparent en outre le stockage du calcul, ce qui permet de dimensionner chaque ressource indépendamment et de facturer à l'usage. Ce deck compare ces architectures, explique les formats en colonnes, schema-on-read et schema-on-write, et rappelle les risques de gouvernance, notamment le marécage de données. ## Objectifs d'apprentissage - Comparer entrepôt, lac et lakehouse - Expliquer l'intérêt des formats en colonnes et du partitionnement - Distinguer schema-on-write et schema-on-read - Identifier les risques de gouvernance d'un lac ## Concepts clés - **Entrepôt** : Données structurées, modélisées avant chargement (schema-on-write), optimisées pour des requêtes SQL fiables et rapides. - **Lac** : Données brutes de tout format stockées telles quelles, structure appliquée à la lecture (schema-on-read), faible coût de stockage. - **Lakehouse** : Couche de tables transactionnelles (versions, ACID) sur un stockage de lac, pour servir BI et science des données sur un seul socle. - **Format en colonnes** : Parquet ou ORC stockent par colonne : meilleure compression et lecture des seules colonnes utiles pour l'analyse. - **Marécage de données** : Lac sans catalogue, qualité ni propriétaires : les données deviennent introuvables ou inutilisables. ## Conclusion Entrepôt, lac et lakehouse répondent à des besoins complémentaires : fiabilité du modèle, souplesse de stockage, ou compromis des deux. Sans catalogue ni gouvernance, aucune architecture ne tient ses promesses. Retenez schema-on-write et schema-on-read, l'intérêt des formats en colonnes et du partitionnement, et les enjeux de protection des données en cloud. ## Cartes ### Qu'est-ce que le schema-on-write ? La structure est définie et validée à l'écriture, avant le chargement dans l'entrepôt. ### Qu'est-ce que le schema-on-read ? La structure est appliquée au moment de la lecture, sur des données brutes déjà stockées. ### Quel est l'atout d'un lac de données ? Stocker à bas coût des données de tout format sans modélisation préalable. ### Quel est le risque d'un lac sans gouvernance ? Devenir un marécage de données : sans catalogue ni qualité, les données sont inutilisables. ### Pourquoi le format Parquet est-il adapté à l'analyse ? Le stockage par colonne compresse mieux et permet de ne lire que les colonnes nécessaires. ### Qu'apporte un lakehouse ? Des tables transactionnelles fiables (ACID, versions) directement sur le stockage du lac. ### Que signifie séparer stockage et calcul ? Dimensionner et facturer séparément l'espace de stockage et la puissance de calcul. ### Qu'est-ce que le partitionnement ? Découper les données selon une colonne (date, pays) pour que les requêtes ne lisent que les partitions utiles. ### Quelle question nLPD se pose pour un entrepôt cloud ? La localisation des données personnelles et la sous-traitance, qui exigent des garanties contractuelles. ## Glossaire - **Lac de données** : Espace de stockage de données brutes de formats variés. - **Lakehouse** : Architecture qui offre des tables fiables sur un stockage de lac. - **Parquet** : Format de fichier en colonnes, compressé, adapté à l'analyse. - **Schema-on-read** : Application de la structure au moment de la lecture. - **Partitionnement** : Découpage physique des données selon une colonne pour accélérer les requêtes. - **Catalogue de données** : Inventaire documenté des jeux de données, de leurs propriétaires et de leur qualité. https://ruvy.ch/decks/-P5CwC4ZRADQjgOOnYvx